SciArena论文：科学家如何评估AI答案
allen_ai · x · 2026-07-16
SciArena 团队表示，NeurIPS 2025 Spotlight 论文会进一步解读：科学文献问答场景下，科学家如何评价 AI 生成答案。
他们强调，这项工作不只是看排行榜，还包含：
- 用于深度研究 agent 的真实科学问题数据集
- 专家偏好数据
- 经人工核验的反馈
团队也感谢贡献问题、投票和理由的研究者。
所属事件:SciArena 7月15日退役,o3 登顶科学问答榜(6 条相关)→
「模型」频道最新
- OpenAI 宣布三项科学新成果：涵盖数学、复杂度理论与量子场论 — thesaraharminta · 2026-10-27
- Reddit 用户热议：Ming 图像模型被严重低估 — alley103 · 2026-10-27
- 实测：GPT-6.1 Terra 填表 53.5 秒，比 Sol 快近 4 倍 — sandersted · 2026-10-27
- DeepMind 员工回应中提及「Gemini 4 模型」，或为首次公开露面 — vivnat · 2026-10-27
- OpenAI 数学仓库再上新：新论文称反驳指数时间假设 ETH — danintheory · 2026-10-27
- OpenAI 模型给出 QCD 存在性证明并经 Lean 形式化验证 — danintheory · 2026-10-27